YC 总裁亲测：一个人顶 20 人团队的 AI 编程工作流 gstack 完全指南

文章目录

• • 一、为什么你必须了解 gstack
  • • 1.1 一个令人震惊的数字
    • 1.2 AI 编程的真正瓶颈不是速度，而是信任
    • 1.3 这篇文章能带给你什么
  • 二、gstack 是什么：YC 总裁的秘密武器
  • • 2.1 一句话定义
    • 2.2 gstack 不是什么
    • 2.3 核心数据一览
  • 三、核心架构与设计哲学
  • • 3.1 认知模式分离：gstack 的核心洞察
    • 3.2 整体架构
    • 3.3 状态持久化：为什么 gstack 是\”冲刺\”而不是\”聊天\”
    • 3.4 模块架构与数据流
  • 四、七阶段冲刺工作流全解析
  • • 4.1 冲刺流程总览
    • 4.2 各阶段详解
    • • 阶段一：Think（思考）—— `/office-hours`
      • 阶段二：Plan（规划）—— 三重审查
      • 阶段三：Build（构建）
      • 阶段四：Review（审查）—— `/review` + `/cso`
      • 阶段五：Test（测试）—— `/qa` + `/browse`
      • 阶段六：Ship（发布）—— `/ship`
      • 阶段七：Reflect（复盘）—— `/retro`
  • 五、18+ 专家角色完全手册
  • • 5.1 功能全景
    • 5.2 核心角色深度解析
    • • 5.2.1 `/office-hours` —— YC 合伙人角色
      • 5.2.2 `/plan-ceo-review` —— CEO/创始人角色
      • 5.2.3 `/plan-eng-review` —— 工程经理角色
      • 5.2.4 `/review` —— 偏执的资深工程师角色
      • 5.2.5 `/qa` —— QA 工程师角色（最强大的技能之一）
      • 5.2.6 `/ship` —— 发布工程师角色
      • 5.2.7 `/cso` —— 首席安全官角色
      • 5.2.8 `/retro` —— 工程经理复盘角色
  • 六、7 大强力工具深度拆解
  • • 6.1 核心功能运行时序（以 /qa 为例）
    • 6.2 `/browse` —— 给 AI 一双眼睛
    • 6.3 `/setup-browser-cookies` —— 会话管理器
    • 6.4 Conductor —— 并行多会话管理器
    • 6.5 Greptile 集成 —— 双层审查
    • 6.6 iOS 设备农场子系统
    • 6.7 `/gstack-upgrade` —— 一键升级
  • 七、安装与快速上手指南
  • • 7.1 系统要求
    • 7.2 安装命令
    • 7.3 安装注意事项
    • 7.4 快速开始四步走
    • 7.5 典型使用模式
  • 八、实战案例：一个功能从 0 到上线
  • • 8.1 场景设定
    • 8.2 第一步：Think —— `/office-hours`
    • 8.3 第二步：Plan —— 三重审查
    • 8.4 第三步：Build —— 实现
    • 8.5 第四步：Review —— `/review`
    • 8.6 第五步：Test —— `/qa`
    • 8.7 第六步：Ship —— `/ship`
    • 8.8 第七步：Reflect —— `/retro`（周度）
  • 九、高级玩法：Conductor 并行多智能体
  • • 9.1 为什么需要并行
    • 9.2 典型并行场景
    • 9.3 隔离架构
  • 十、常见问题与避坑指南
  • • 10.1 安装相关
    • 10.2 使用相关
    • 10.3 最佳实践
    • 10.4 不适合使用 gstack 的场景
  • 十一、总结：AI 编程的下一个范式
  • • 11.1 从\”copilot\”到\”团队\”的范式转移
    • 11.2 关键收获
    • 11.3 行动建议

一、为什么你必须了解 gstack

1.1 一个令人震惊的数字

2026 年 3 月 12 日，Y Combinator 总裁 Garry Tan 在 GitHub 上推送了一个名为 gstack 的仓库。十周后，这个项目收获了 101,020 个 Star 和 15,047 个 Fork，跻身 GitHub 历史上增长最快的前 50 个项目之列。

但真正让人震惊的不是 Star 数，而是 Garry Tan 本人用这套工具达成的产出：

• 60 天写了 60 万行生产代码（其中 35% 是测试代码）
• 日均产出 1-2 万行代码，而且是在全职运营 YC 的同时
• 最近一次 /retro 复盘显示：一周内 3 个项目合计 140,751 行新增代码、362 次提交

同一个人，2013 年全年只有 772 次 GitHub 贡献；2026 年已经达到 1,237 次。区别不是努力程度，而是工具。

1.2 AI 编程的真正瓶颈不是速度，而是信任

很多人以为 AI 编码的瓶颈是\”写得不够快\”。但真正用过 Claude Code、Cursor 这类工具的人都知道：AI 写代码的速度早就不是问题，问题是你敢不敢把它写的代码直接上线。